python如何读取tfrecord_TFRecord格式存储数据与队列读取实例
Tensor Flow官方网站上提供三种读取数据的方法
1. 预加载数据:在Tensor Flow图中定义常量或变量来保存所有数据,将数据直接嵌到数据图中,当训练数据较大时,很消耗内存。
如
x1=tf.constant([0,1])
x2=tf.constant([1,0])
y=tf.add(x1,x2)
2.填充数据:使用sess.run()的feed_dict参数,将Python产生的数据填充到后端,之前的MNIST数据集就是通过这种方法。也有消耗内存,数据类型转换耗时的缺点。
3. 从文件读取数据:从文件中直接读取,让队列管理器从文件中读取数据。分为两步
先把样本数据写入TFRecords二进制文件
再从队列中读取
TFRecord是TensorFlow提供的一种统一存储数据的二进制文件,能更好的利用内存,更方便的复制和移动,并且不需要单独的标记文件。下面通过代码来将MNIST转换成TFRecord的数据格式,其他数据集也类似。
#生成整数型的属性
def _int64_feature(value):
return tf.train.Feature(int64_list=tf.train.Int64List(value=[value]))
#生成字符串型的属性
def _bytes_feature(value):
return tf.train.Feature(bytes_list=tf.train.BytesList(value=[value]))
def convert_to(data_set,name):
'''
将数据填入到tf.train.Example的协议缓冲区(protocol buffer)中,将协议缓冲区序列
化为一个字符串,通过tf.python_io.TFRecordWriter写入TFRecords文件
'''
images=data_set.images
labels=data_set.labels
num_examples=data_set.num_examples
if images.shape[0]!=num_examples:
raise ValueError ('Imagessize %d does not match label size %d.'\
%(images.shape[0],num_examples))
rows=images.shape[1] #28
cols=images.shape[2] #28
depth=images.shape[3] #1 是黑白图像
filename = os.path.join(FLAGS.directory, name + '.tfrecords')
#使用下面语句就会将三个文件存储为一个TFRecord文件,当数据量较大时,最好将数据写入多个文件
#filename="C:/Users/dbsdz/Desktop/TF练习/TFRecord"
print('Writing',filename)
writer=tf.python_io.TFRecordWriter(filename)
for index in range(num_examples):
image_raw=images[index].tostring() #将图像矩阵化为一个字符串
#写入协议缓冲区,height、width、depth、label编码成int 64类型,image——raw编码成二进制
example=tf.train.Example(features=tf.train.Features(feature={
'height':_int64_feature(rows),
'width':_int64_feature(cols),
'depth':_int64_feature(depth),
'label':_int64_feature(int(labels[index])),
'image_raw':_bytes_feature(image_raw)}))
writer.write(example.SerializeToString()) #序列化字符串
writer.close()
上面程序可以将MNIST数据集中所有的训练数据存储到三个TFRecord文件中。结果如下图
从队列中TFRecord文件,过程分三步
1. 创建张量,从二进制文件中读取一个样本
2. 创建张量,从二进制文件中随机读取一个mini-batch
3. 把每一批张量传入网络作为输入节点
具体代码如下
def read_and_decode(filename_queue): #输入文件名队列
reader=tf.TFRecordReader()
_,serialized_example=reader.read(filename_queue)
#解析一个example,如果需要解析多个样例,使用parse_example函数
features=tf.parse_single_example(
serialized_example,
#必须写明feature里面的key的名称
features={
#TensorFlow提供两种不同的属性解析方法,一种方法是tf.FixedLenFeature,
#这种方法解析的结果为一个Tensor。另一个方法是tf.VarLenFeature,
#这种方法得到的解析结果为SparseTensor,用于处理稀疏数据。
#这里解析数据的格式需要和上面程序写入数据的格式一致
'image_raw':tf.FixedLenFeature([],tf.string),#图片是string类型
'label':tf.FixedLenFeature([],tf.int64), #标记是int64类型
})
#对于BytesList,要重新进行编码,把string类型的0维Tensor变成uint8类型的一维Tensor
image = tf.decode_raw(features['image_raw'], tf.uint8)
image.set_shape([IMAGE_PIXELS])
#tensor("input/DecodeRaw:0",shape=(784,),dtype=uint8)
#image张量的形状为:tensor("input/sub:0",shape=(784,),dtype=float32)
image = tf.cast(image, tf.float32) * (1. / 255) - 0.5
#把标记从uint8类型转换为int32类性
#label张量的形状为tensor(“input/cast_1:0",shape=(),dtype=int32)
label = tf.cast(features['label'], tf.int32)
return image,label
def inputs(train,batch_size,num_epochs):
#输入参数:
#train:选择输入训练数据/验证数据
#batch_size:训练的每一批有多少个样本
#num_epochs:过几遍数据,设置为0/None表示永远训练下去
'''
返回结果: A tuple (images,labels)
*images:类型为float,形状为【batch_size,mnist.IMAGE_PIXELS],范围【-0.5,0.5】。
*label:类型为int32,形状为【batch_size],范围【0,mnist.NUM_CLASSES]
注意tf.train.QueueRunner必须用tf.train.start_queue_runners()来启动线程
'''
if not num_epochs:num_epochs=None
#获取文件路径,即./MNIST_data/train.tfrecords,./MNIST_data/validation.records
filename=os.path.join(FLAGS.train_dir,TRAIN_FILE if train else VALIDATION_FILE)
with tf.name_scope('input'):
#tf.train.string_input_producer返回一个QueueRunner,里面有一个FIFOQueue
filename_queue=tf.train.string_input_producer(#如果样本量很大,可以分成若干文件,把文件名列表传入
[filename],num_epochs=num_epochs)
image,label=read_and_decode(filename_queue)
#随机化example,并把它们整合成batch_size大小
#tf.train.shuffle_batch生成了RandomShuffleQueue,并开启两个线程
images,sparse_labels=tf.train.shuffle_batch(
[image,label],batch_size=batch_size,num_threads=2,
capacity=1000+3*batch_size,
min_after_dequeue=1000) #留下一部分队列,来保证每次有足够的数据做随机打乱
return images,sparse_labels
最后,构建一个三层的神经网络,包含两层卷积层以及一层使用SoftMax层,附上完整代码如下
# -*- coding: utf-8 -*-
"""
Created on Sun Apr 8 11:06:16 2018
@author: dbsdz
https://blog.csdn.net/xy2953396112/article/details/54929073
"""
import tensorflow as tf
import os
import time
import math
from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)
# Basic model parameters as external flags.
flags = tf.app.flags
flags.DEFINE_float('learning_rate', 0.01, 'Initial learning rate.')
flags.DEFINE_integer('hidden1', 128, 'Number of units in hidden layer 1.')
flags.DEFINE_integer('hidden2', 32, 'Number of units in hidden layer 2.')
flags.DEFINE_integer('batch_size', 100, 'Batch size. '
'Must divide evenly into the dataset sizes.')
flags.DEFINE_string('train_dir', 'Mnist_data/', 'Directory to put the training data.')
flags.DEFINE_string('directory', './MNIST_data',
'Directory to download data files and write the '
'converted result')
flags.DEFINE_integer('validation_size', 5000,
'Number of examples to separate from the training '
'data for the validation set.')
flags.DEFINE_integer('num_epochs',10,'num_epochs set')
FLAGS = tf.app.flags.FLAGS
IMAGE_SIZE = 28
IMAGE_PIXELS = IMAGE_SIZE * IMAGE_SIZE #图片像素728
TRAIN_FILE = "train.tfrecords"
VALIDATION_FILE="validation.tfrecords"
#生成整数型的属性
def _int64_feature(value):
return tf.train.Feature(int64_list=tf.train.Int64List(value=[value]))
#生成字符串型的属性
def _bytes_feature(value):
return tf.train.Feature(bytes_list=tf.train.BytesList(value=[value]))
def convert_to(data_set,name):
'''
将数据填入到tf.train.Example的协议缓冲区(protocol buffer)中,将协议缓冲区序列
化为一个字符串,通过tf.python_io.TFRecordWriter写入TFRecords文件
'''
images=data_set.images
labels=data_set.labels
num_examples=data_set.num_examples
if images.shape[0]!=num_examples:
raise ValueError ('Imagessize %d does not match label size %d.'\
%(images.shape[0],num_examples))
rows=images.shape[1] #28
cols=images.shape[2] #28
depth=images.shape[3] #1 是黑白图像
filename = os.path.join(FLAGS.directory, name + '.tfrecords')
#使用下面语句就会将三个文件存储为一个TFRecord文件,当数据量较大时,最好将数据写入多个文件
#filename="C:/Users/dbsdz/Desktop/TF练习/TFRecord"
print('Writing',filename)
writer=tf.python_io.TFRecordWriter(filename)
for index in range(num_examples):
image_raw=images[index].tostring() #将图像矩阵化为一个字符串
#写入协议缓冲区,height、width、depth、label编码成int 64类型,image——raw编码成二进制
example=tf.train.Example(features=tf.train.Features(feature={
'height':_int64_feature(rows),
'width':_int64_feature(cols),
'depth':_int64_feature(depth),
'label':_int64_feature(int(labels[index])),
'image_raw':_bytes_feature(image_raw)}))
writer.write(example.SerializeToString()) #序列化字符串
writer.close()
def inference(images, hidden1_units, hidden2_units):
with tf.name_scope('hidden1'):
weights = tf.Variable(
tf.truncated_normal([IMAGE_PIXELS, hidden1_units],
stddev=1.0 / math.sqrt(float(IMAGE_PIXELS))),name='weights')
biases = tf.Variable(tf.zeros([hidden1_units]),name='biases')
hidden1 = tf.nn.relu(tf.matmul(images, weights) + biases)
with tf.name_scope('hidden2'):
weights = tf.Variable(
tf.truncated_normal([hidden1_units, hidden2_units],
stddev=1.0 / math.sqrt(float(hidden1_units))),
name='weights')
biases = tf.Variable(tf.zeros([hidden2_units]),
name='biases')
hidden2 = tf.nn.relu(tf.matmul(hidden1, weights) + biases)
with tf.name_scope('softmax_linear'):
weights = tf.Variable(
tf.truncated_normal([hidden2_units,FLAGS.num_epochs],
stddev=1.0 / math.sqrt(float(hidden2_units))),name='weights')
biases = tf.Variable(tf.zeros([FLAGS.num_epochs]),name='biases')
logits = tf.matmul(hidden2, weights) + biases
return logits
def lossFunction(logits, labels):
labels = tf.to_int64(labels)
cross_entropy = tf.nn.sparse_softmax_cross_entropy_with_logits(
logits=logits, labels=labels, name='xentropy')
loss = tf.reduce_mean(cross_entropy, name='xentropy_mean')
return loss
def training(loss, learning_rate):
tf.summary.scalar(loss.op.name, loss)
optimizer = tf.train.GradientDescentOptimizer(learning_rate)
global_step = tf.Variable(0, name='global_step', trainable=False)
train_op = optimizer.minimize(loss, global_step=global_step)
return train_op
def read_and_decode(filename_queue): #输入文件名队列
reader=tf.TFRecordReader()
_,serialized_example=reader.read(filename_queue)
#解析一个example,如果需要解析多个样例,使用parse_example函数
features=tf.parse_single_example(
serialized_example,
#必须写明feature里面的key的名称
features={
#TensorFlow提供两种不同的属性解析方法,一种方法是tf.FixedLenFeature,
#这种方法解析的结果为一个Tensor。另一个方法是tf.VarLenFeature,
#这种方法得到的解析结果为SparseTensor,用于处理稀疏数据。
#这里解析数据的格式需要和上面程序写入数据的格式一致
'image_raw':tf.FixedLenFeature([],tf.string),#图片是string类型
'label':tf.FixedLenFeature([],tf.int64), #标记是int64类型
})
#对于BytesList,要重新进行编码,把string类型的0维Tensor变成uint8类型的一维Tensor
image = tf.decode_raw(features['image_raw'], tf.uint8)
image.set_shape([IMAGE_PIXELS])
#tensor("input/DecodeRaw:0",shape=(784,),dtype=uint8)
#image张量的形状为:tensor("input/sub:0",shape=(784,),dtype=float32)
image = tf.cast(image, tf.float32) * (1. / 255) - 0.5
#把标记从uint8类型转换为int32类性
#label张量的形状为tensor(“input/cast_1:0",shape=(),dtype=int32)
label = tf.cast(features['label'], tf.int32)
return image,label
def inputs(train,batch_size,num_epochs):
#输入参数:
#train:选择输入训练数据/验证数据
#batch_size:训练的每一批有多少个样本
#num_epochs:过几遍数据,设置为0/None表示永远训练下去
'''
返回结果: A tuple (images,labels)
*images:类型为float,形状为【batch_size,mnist.IMAGE_PIXELS],范围【-0.5,0.5】。
*label:类型为int32,形状为【batch_size],范围【0,mnist.NUM_CLASSES]
注意tf.train.QueueRunner必须用tf.train.start_queue_runners()来启动线程
'''
if not num_epochs:num_epochs=None
#获取文件路径,即./MNIST_data/train.tfrecords,./MNIST_data/validation.records
filename=os.path.join(FLAGS.train_dir,TRAIN_FILE if train else VALIDATION_FILE)
with tf.name_scope('input'):
#tf.train.string_input_producer返回一个QueueRunner,里面有一个FIFOQueue
filename_queue=tf.train.string_input_producer(#如果样本量很大,可以分成若干文件,把文件名列表传入
[filename],num_epochs=num_epochs)
image,label=read_and_decode(filename_queue)
#随机化example,并把它们整合成batch_size大小
#tf.train.shuffle_batch生成了RandomShuffleQueue,并开启两个线程
images,sparse_labels=tf.train.shuffle_batch(
[image,label],batch_size=batch_size,num_threads=2,
capacity=1000+3*batch_size,
min_after_dequeue=1000) #留下一部分队列,来保证每次有足够的数据做随机打乱
return images,sparse_labels
def run_training():
with tf.Graph().as_default():
#输入images和labels
images,labels=inputs(train=True,batch_size=FLAGS.batch_size,
num_epochs=3) #num_epochs就是训练的轮数
#构建一个从推理模型来预测数据的图
logits=inference(images,FLAGS.hidden1,FLAGS.hidden2)
loss=lossFunction(logits,labels) #定义损失函数
#Add to the Graph operations that train the model
train_op=training(loss,FLAGS.learning_rate)
#初始化参数,特别注意:string——input_producer内部创建了一个epoch计数变量
#归入tf.graphkey.local_variables集合中,必须单独用initialize_local_variables()初始化
init_op=tf.group(tf.global_variables_initializer(),
tf.local_variables_initializer())
sess=tf.Session()
sess.run(init_op)
#Start input enqueue threads
coord =tf.train.Coordinator()
threads=tf.train.start_queue_runners(sess=sess,coord=coord)
try:
step=0
while not coord.should_stop(): #进入永久循环
start_time=time.time()
_,loss_value=sess.run([train_op,loss])
#每100次训练输出一次结果
if step % 100 ==0:
duration=time.time()-start_time
print('Step %d: loss=%.2f (%.3f sec)'%(step,loss_value,duration))
step+=1
except tf.errors.OutOfRangeError:
print('Done training for %d epochs,%d steps.'%(FLAGS.num_epochs,step))
finally:
coord.request_stop()#通知其他线程关闭
coord.join(threads)
sess.close()
def main(unused_argv):
#获取数据
data_sets=input_data.read_data_sets(FLAGS.directory,dtype=tf.uint8,reshape=False,
validation_size=FLAGS.validation_size)
#将数据转换成tf.train.Example类型,并写入TFRecords文件
convert_to(data_sets.train,'train')
convert_to(data_sets.validation,'validation')
convert_to(data_sets.test,'test')
print('convert finished')
run_training()
if __name__ == '__main__':
tf.app.run()
运行结果如图
以上这篇TFRecord格式存储数据与队列读取实例就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持脚本之家。
python如何读取tfrecord_TFRecord格式存储数据与队列读取实例相关推荐
- 在python中使用json格式存储数据
在python中使用json格式存储数据 代码如下: import jsonlist1 = [{'A': [1, 2, 3, 4, 5, 6], 'B': [3, 4, 5, 6, 7]},{'C': ...
- livechart 只显示 y 值_基于Python语言的SEGY格式地震数据读取与显示编程
敬请关注<地学新视野> 摘要:本文简单介绍了SEG-Y地震数据文件格式,以及如何用Python语言编写读写SEG-Y格式的地震数据并绘制地震剖面,其中用到了Segyio和matplotli ...
- 读取BIL格式高光谱数据——C/C++
在上一篇博客中,我们提到如何读取头文件.这篇博客将要谈到如何进一步读取高光谱数据本身,这里以BIL格式为例. 什么是BIL呢?BIL的全称为Band Interleave by Line,连续保存的是 ...
- Mysql中使用json格式存储数据好吗?
在最近的一次项目开发过程中,在数据表设计阶段,对是否用json格式存储某些数据我们产生了分歧.以往项目中对此点比较随意,导致数据表中有些json格式数据体积很大,层次很深,我担心这会降低数据查询和解析 ...
- python怎么读取csv的一部分数据_python批量读取csv文件 如何用python将csv文件中的数据读取成数组...
如何用python把多个csv文件数据处理后汇总到新csv文件你看这月光多温柔,小编转头还能看见你,一切从未坍塌. 可以用pandas读取数据,首先把文件方同一个文件价里,然后对当前文件价的所有内容循 ...
- Python:处理yaml格式的数据太简单了,真怕你学会了
一.思考 1.什么是yaml? 不是标记语言 对用户极其友好 数据序列化标准 跨语言 所有编程语言都支持 跨平台 所有平台都支持 Windows.linux.Mac 格式简单 比json小姐姐穿得更少 ...
- python数据分析报告的格式_Python数据报表之Excel操作模块用法分析
本文实例讲述了Python数据报表之Excel操作模块用法.分享给大家供大家参考,具体如下: 一 点睛 Excel是当今最流行的电子表格处理软件,支持丰富的计算函数及图表,在系统运营方面广泛用于运营数 ...
- 读取csv格式的数据
1.直接上代码,关键是会用 2.代码如下: <?php #添加推荐到英文站 $file = fopen('code.csv','r'); while ($data = fgetcsv($file ...
- Spark读取Parquet格式的数据为Dataframe
SaveMode指定文件保存时的模式: OverWrite 覆盖 Append 追加 ErrorIfExists 如果存在就报错 Ignore 如果存在就忽略 val spark = SparkSes ...
最新文章
- 7个小技巧,老板再也无法留我加班了...
- 统计学习方法第五章作业:ID3/C4.5算法分类决策树、平方误差二叉回归树代码实现
- 为Visual studio 2008 添加汇编工程模板
- 06列表的常用基本操作
- asp.net面试的题目
- SpringSecurity认证流程分析
- 第十七章 特殊类成员
- 怎么利用计算机计算潮流计算,电力系统潮流计算的目的是什么
- linux gst-launch 播放视频旋转,【视频开发】Gstreamer中一些gst-launch常用命令
- jQuery插件开发之windowScroll
- 打印连续数字 java_java多线程连续打印字母数字问题
- 20211102:数字滤波器按照实现结构的分类及其优缺点总结
- OpenCV中的reshape
- unity3d的uGUI基本操作
- SAP各模块常用数据库表大全--->常用表
- java程序怎么混淆,使用混淆器,保护你的java程序,混淆java
- 通过气象站API获取天气信息
- PHP中?是什么意思,有什么用?
- 统计一组名字中每个姓出现的次数
- 18.10.20日报
热门文章
- 洛谷P4956 [COCI2017-2018#6] Davor
- 【LaTex】2.1 分式、乘方与开方
- 【WY】数据分析 — Matplotlib 阶段一 :基础语法 六 —— 图表保存
- React获取url参数
- 【单例模式】JAVA懒汉式和饿汉式简单实现
- Redis的基本数据类型
- POJ9273:PKU2506Tiling_递推+高精度
- 2019年9月-最新2000个国内高匿代理ip
- 论文阅读——WaveNet: A Generative Model for Raw Audio
- ubuntu18.04试玩openproject